Как настроить AI-агента для малого бизнеса: пошаговый гайд

30 октября 2026 года вышла статья о том, как малый бизнес использует AI-агентов (программы, которые сами выполняют задачи по инструкции) для борьбы с перегрузкой. Мы не пересказываем статью, а показываем, как сделать одного такого агента самостоятельно. Гайд рассчитан на предпринимателя без глубоких технических знаний.

Что понадобится

• Компьютер с доступом в интернет.
• Аккаунт у провайдера LLM (большой языковой модели). Подойдёт OpenAI, Anthropic или другой. Нужен API-ключ.
• Python 3.9 или новее. Установщик с python.org.
• Менеджер пакетов pip (идёт с Python).
• Текстовый редактор (VS Code, Notepad++ или любой другой).
• Базовое понимание командной строки: уметь открыть терминал и выполнить команду.
• Данных о том, какой именно провайдер дешевле или надёжнее, нет — выбирайте по документации.

Шаг 1. Определите одну задачу для агента

Не пытайтесь автоматизировать всё сразу. Выберите повторяющуюся операцию, которую вы делаете вручную. Например: ответы на типовые вопросы клиентов, сортировка входящих писем или напоминания о задачах.

Запишите задачу в одном предложении. Пример: «Агент читает входящие письма и помечает те, что требуют ответа в течение дня».

Проверьте: если задачу можно описать алгоритмом из 3–5 шагов, она подходит для первого агента.

Шаг 2. Установите библиотеку для работы с LLM

Откройте терминал. Выполните:

pip install openai python-dotenv

Это установит официальную библиотеку OpenAI (работает и с другими провайдерами через совместимый API) и модуль для загрузки ключей из файла.

Если используете Anthropic, команда будет pip install anthropic python-dotenv.

Шаг 3. Сохраните API-ключ в переменной окружения

Создайте в папке проекта файл .env. Вставьте туда строку:

OPENAI_API_KEY=ВАШ_КЛЮЧ

Вместо ВАШ_КЛЮЧ подставьте ключ, который выдал провайдер в личном кабинете. Не публикуйте этот файл в открытых репозиториях.

Чтобы Python видел ключ, добавьте в начало скрипта:

import os
from dotenv import load_dotenv

load_dotenv()
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
    raise ValueError("Не найден OPENAI_API_KEY. Проверьте файл .env")

Шаг 4. Напишите простого агента

Создайте файл agent.py. Вставьте код:

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def ask_agent(task: str, user_input: str) -> str:
    prompt = f"""Ты — помощник малого бизнеса. Твоя задача: {task}.
    Входные данные: {user_input}
    Ответь кратко и по делу."""
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.3,
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    task = "определи, требует ли письмо срочного ответа. Ответь 'да' или 'нет' и одной фразой объясни почему."
    email_text = "Здравствуйте! У меня сломался сайт, клиенты не могут оформить заказ. Помогите срочно."
    print(ask_agent(task, email_text))

Запустите:

python agent.py

Вы должны увидеть ответ вида «да, потому что клиент сообщает о поломке, блокирующей заказы». Если ответ другой — проверьте ключ и модель.

Шаг 5. Подключите агента к источнику данных

Чтобы агент работал не с примером, а с реальными письмами, нужен доступ к почте. Простой способ — использовать IMAP (протокол для чтения почты). Установите библиотеку:

pip install imap-tools

Добавьте в скрипт чтение последнего письма:

from imap_tools import MailBox, AND

with MailBox("imap.gmail.com").login("ВАШ_EMAIL", "ВАШ_ПАРОЛЬ_ПРИЛОЖЕНИЯ") as mailbox:
    for msg in mailbox.fetch(AND(all=True), limit=1, reverse=True):
        email_text = msg.text or msg.html
        print(ask_agent(task, email_text))

Для Gmail нужен пароль приложения (создаётся в настройках аккаунта). Обычный пароль не подойдёт. Данных о том, как это работает в других почтовых сервисах, нет — сверьтесь с их справкой.

Шаг 6. Настройте регулярный запуск

Агент должен работать сам. В Linux или macOS используйте cron. Откройте планировщик:

crontab -e

Добавьте строку (запуск каждый час):

0 * * * * cd /путь/к/проекту && /usr/bin/python3 agent.py >> agent.log 2>&1

В Windows используйте «Планировщик заданий»: создайте задачу, укажите триггер «каждый час» и действие «Запуск программы» с путём к python.exe и аргументом agent.py.

Проверьте, что в файле agent.log появляются записи. Если нет — смотрите ошибки в том же логе.

Типичные ошибки и как их узнать

• Ошибка аутентификации. В логе видите AuthenticationError или 401. Причина: неверный ключ или он не загрузился. Проверьте, что файл .env лежит в той же папке, что и скрипт, и что переменная называется точно OPENAI_API_KEY.
• Агент отвечает не по делу. Модель выдаёт общие фразы. Уточните инструкцию в task: добавьте формат ответа, ограничения, примеры. Не давайте агенту слишком широкую задачу.
• Скрипт падает при чтении почты. Ошибка imaplib.IMAP4.error. Проверьте, что включён IMAP в настройках почты и используется пароль приложения, а не основной.
• Превышение лимита запросов. В логе RateLimitError. Уменьшите частоту запуска или обратитесь к провайдеру за увеличением квоты. Данных о конкретных лимитах нет — смотрите тариф.
• Агент отправляет письма без вашего ведома. Если добавите функцию отправки, ограничьте её: например, отправляйте только после подтверждения вручную. Автоматическая отправка без проверки может навредить репутации.

Начните с одного агента и одной задачи. Когда убедитесь, что он работает стабильно, добавляйте следующую. Так вы избежите перегрузки, которую как раз и пытались убрать.